arXiv · AI· Kevin Wardakhan, Marie Line Alberi-Morel, J\'er\'emie Leguay, Afef Feki, Adrien Sardi, S\'ebastien Archeveque, Claudiu Mihailescu·· 13 小时前AI 评分20
RAN 能量条件下罕见与未见上下文的条件假设生成
Conditional What-If Generation for Radio Access Network Energy under Rare and Unseen Contexts
AI 导读
针对移动网络节能策略评估难题,论文提出基于预测的生成框架以生成无线接入网功耗轨迹。 该框架将功耗分解为全局预测与残差修正,在商用 5G RAN 实验中,仅用单点目标观测即可将中位 MAE 降低约 50%。 相比 TimeWeaver,该方法能有效泛化至罕见及未见配置场景。
来源:arXiv · AI · arxiv.org